一项发表在《网络医学杂志》上的报告指出，机器学习技术正在帮助填补妊娠期用药安全性的证据空白。长期以来，临床医疗研究存在严重的代表性不足问题。由于 1977 年美国食品药品监督管理局曾建议将孕妇排除在一期和二期临床试验之外，导致过去十年中仅有 4% 的试验纳入孕妇作为受试者。这一政策遗留问题造成了妊娠期及哺乳期用药安全数据的严重匮乏，且女性在科研中的整体参与度也长期偏低。 为弥补这一缺陷，健康作家米歇尔·法尔奇采访了两位主要研究者，他们正利用机器学习分析大量药物暴露与结局数据，以识别潜在的风险关联。其中，BOOST-HP 项目采用基于树的数据挖掘技术，而 BIONIC 研究则结合因果推断与机器学习。这两种方法均利用人工智能强大的数据处理能力，帮助研究人员评估药物与妊娠结局之间可能存在的因果关系。 然而，BIONIC 项目负责人克里斯蒂娜·隆戈强调，尽管前景广阔，但 AI 辅助研究仍需更多数据支持并保持审慎态度。BOOST-HP 项目的首席研究员阿尔穆特·温特斯坦指出，模型的透明度至关重要。研究团队使用的是可追溯决策路径的 AI 模型，而非“黑箱”系统，以确保能发现关键的流行病学错误，避免内部机制不透明带来的风险。未来的发展有赖于更精细的模型设计以及更全面的数据集，这将极大地推动解决妊娠期用药安全的科学难题。